一种基于活跃特征和全尺度推理的三维点云语义分割方法

本发明公开了一种基于活跃特征和全尺度推理的三维点云语义分割方法。该发明针对基于逐点MLP的点云语义分割算法仅使用解码器最后一层的输出参与监督，无法利用点云内部的多尺度性质，且忽略了解码器不同层级中隐藏的信息对监督的作用，致使监督不充分的问题，引入了编码器与解码器对应层级的全尺度点云监督，且为了使网络关注那些对分类有更大贡献的特征，设计了活跃特征导向性推理模块。该发明以RandLA‑Net算法作为基础框架，在编码器部分，以数据的原始标签进行one‑hot编码作为输入，并在编码器的每一层级，采用随机采样方法得到不同空间分辨率下的监督信息；在解码器部分，使用MLP方法使解码器中每一层级的特征的维度与监督信息的维度一致，并利用交叉熵损失函数，进行损失值的计算，以此对网络进行全尺度的监督推理。同时，考虑上述的计算会引入大量的特征，所以选取了更具主动性的信号作为导向性特征，让网络关注那些对分类有更大贡献的特征。